我是第一次使用空间数据。我必须比较两个具有延迟和冗长细节的数据框。我已经将它们都转换为GeoPandas数据框。
import pandas as pd
from pandas import DataFrame
import geopandas as gpd
from neighbors import nearest_neighbor
df = pd.DataFrame([[1973,22.525158,88.330775],[1976,72.85136,19.10840],[898,91.78523,26.15012]],columns=['id', 'lat', 'long'])
gdf1 = gpd.GeoDataFrame(df, geometry=gpd.points_from_xy(df.long,df.lat))
df2 = pd.DataFrame([['06c979eaa59f',29.873870,76.965620],['19aedbb2e743',20.087574,76.180045],['5060a3931a43',31.289770,75.572340]],columns=['id','lat','lon'])
gdf2 = gpd.GeoDataFrame(df2, geometry=gpd.points_from_xy(df2.lon,df2.lat))
我的DF1有100万行,而df2有7000行。我正在尝试从DF2中获取DF1中的每个记录的最近邻居。
我尝试了两种方法。两者都运行非常快,结果可行。但是,它们不准确。
方法1:
在此页面中,我使用的最接近邻居方法sklearn.neighbors
。这将以米为单位返回结果。但是,当我手动检查两个数据帧的经纬度之间的距离时,我总是发现最近的邻居返回距离的1/4。
例如,如果上述方法返回的距离为125米,则Google地图和https://www.geodatasource.com/distance-calculator均返回500米左右的距离。距离之差保持在返回结果的4倍左右波动。
方法2:
在第二种方法中,我遵循gis.stackexchange.com中给出的代码。
https://gis.stackexchange.com/questions/222315/geopandas-find-nearest-point-in-other-dataframe
import itertools
from operator import itemgetter
import geopandas as gpd
import numpy as np
import pandas as pd
from scipy.spatial import cKDTree
from shapely.geometry import Point, LineString
df = pd.DataFrame([[1973,22.525158,88.330775],[1976,72.85136,19.10840],[898,91.78523,26.15012]],columns=['id', 'lat', 'long'])
gdf1 = gpd.GeoDataFrame(df, geometry=gpd.points_from_xy(df.long,df.lat))
df2 = pd.DataFrame([['06c979eaa59f',29.873870,76.965620],['19aedbb2e743',20.087574,76.180045],['5060a3931a43',31.289770,75.572340]],columns=['id','lat','lon'])
gdf2 = gpd.GeoDataFrame(df2, geometry=gpd.points_from_xy(df2.lon,df2.lat))
在此,我用自己的数据帧替换了gpd1和gpd2。
def ckdnearest(gdfA, gdfB, gdfB_cols=['id']):
# resetting the index of gdfA and gdfB here.
gdfA = gdfA.reset_index(drop=True)
gdfB = gdfB.reset_index(drop=True)
A = np.concatenate(
[np.array(geom.coords) for geom in gdfA.geometry.to_list()])
B = [np.array(geom.coords) for geom in gdfB.geometry.to_list()]
B_ix = tuple(itertools.chain.from_iterable(
[itertools.repeat(i, x) for i, x in enumerate(list(map(len, B)))]))
B = np.concatenate(B)
ckd_tree = cKDTree(B)
dist, idx = ckd_tree.query(A, k=1)
idx = itemgetter(*idx)(B_ix)
gdf = pd.concat(
[gdfA, gdfB.loc[idx, gdfB_cols].reset_index(drop=True),
pd.Series(dist, name='dist')], axis=1)
return gdf
c = ckdnearest(gdf1, gdf2)
上面的程序运行非常快,并返回结果。但是,返回的距离值至少比我得到的值低100倍。
乘数:107.655914
在上面的excel图片中,第一列表示python返回的结果,而第二列表示由上述相同网站返回的结果。这些结果的近似值让我起步时,我想要准确的结果。如何比较上面给出的两个数据帧,并获得DF1中每一行的最准确的最近距离。
使用空间数据时,应注意将点坐标从球体投影到平面中。在墨卡托投影中,纬度点之间的距离以度为单位,而不是以米为单位。转换取决于点的纬度,因为赤道处的1度将小于高纬度处的1度。
您可以查看此讨论以找到针对该问题的可能解决方案:https : //gis.stackexchange.com/questions/293310/how-to-use-geoseries-distance-to-get-the-right-answer
举一个例子,一种可能性是将地理数据框转换为覆盖您区域的UTM投影。例如,比利时与UTM区域31N EPSG:32631相交。墨卡托投影的epsg代码为EPSG:4326。要转换GeoDataFrame / GeoSeries,您需要在创建它时提供CRS:
s = gpd.GeoSeries(points, crs=4326)
点是列表 shapely.geometry.Point
然后转换为给定的UTM:
s_utm = s.to_crs(epsg=32631)
现在,您要计算的点之间的距离将以s_utm
米为单位。
但是,您需要确保您的积分确实落在给定的UTM区域内,否则结果将不准确。我链接的答案提出了其他可行的方法,这些方法也可以应用于积分的整体。
您也可以尝试转换为应保留距离的EPSG 32663(WGS 84 /世界等距圆柱)。
可以使用另一个选项geopy
,该选项允许使用以下命令计算测地距离geopy.geodesic.distance
本文收集自互联网,转载请注明来源。
如有侵权,请联系[email protected] 删除。
我来说两句